位置: IT常识 - 正文

yolov5源码解析(9)--输出(yolov4源码解读)

编辑:rootadmin
yolov5源码解析(9)--输出

推荐整理分享yolov5源码解析(9)--输出(yolov4源码解读),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:yolo v1 pytorch源代码,yolo 源码,yolov2源码,yolov5源码解析修改,yolo 源码,yolov4源码解读,yolov5源码解读,yolov3源码详解,内容如对您有帮助,希望把文章链接给更多的朋友!

本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。

一。总体框架

首先贴出总体框架,直接就拿官方文档的图了,本文就是接着右侧的那三层输出开始讨论。

Backbone: New CSP-Darknet53Neck: SPPF, New CSP-PANHead: YOLOv3 Head

这三个输出层分别就是浅、中、深层啦,浅层特征图分辨率是80乘80,中层是40乘40,深层是20乘20,一般来说浅层用于预测小物体,深层用于预测大物体。另外说明一下,浅、中、深三层的特征图输出通道数不一定是256、512、1024,要看你用的是哪一种规格的模型。比如yolov5s的话,那这三层的通道数分别是128、256、512,可以导出onnx格式用Netron看一下模型结构来确定。

 

简要说一下原因,这个是由对应的模型配置文件,即models目录里的yolov5s.yaml,yolov5m.yaml等等来决定的,看你用哪一个,第二个红框里的就是每一层的输出通道数了,但是它是要乘上第一个红框里的值的,即width_multiple这个配置,你会发现几个模型配置文件的内容都差不多,区别就区别在这里的depth_multiple和width_multiple。

 二。输出物体边框、置信度、物体分类

接下来进入正题,每层特征图最终都会经过1乘1卷积,变成(5+分类数)乘3个通道:

0)首先为什么乘以3,因为每一层都有3个anchor,后面再细讲

下面讲的是每一anchor对应的(5+分类数)个通道,假设分类数为2,那一共就是7个通道了,这7个通道分别是xywh(4个通道),置信度(1个通道),分类(此处2分类,就是2个通道)

1)物体边框的4个值,x,y,w,h啦,不过这个x,y并不直接是物体框中心点的坐标,而是它相对于自身所处的格子左上角的偏移,比如下图红色的这个格子(假设现在特征图就是4乘4),这个格子预测出7个值,前4个就是xywh,然后x是0.2,y是0.2,那么中心点就差不多在蓝点所处的位置了(其实这其中还有玄机,一步步来)。然后再把这个中心点的相对值作用到原图的尺度得到最终的坐标。

但是呢如果像上面这样直接预测一个相对格子左上角的偏移的这样一个值呢,会比较不稳定,它可能预测的值很大,比如x给你预测一个10出来,那就是往右数10个格子了,偏差这么大不利用网络收敛,也没有意义,因为这个格子里的特征跟右边第10个格子的特征相差可能很大了。

所以要加一个限制,首先给它sigmoid一下,这样其值范围就变成0-1了(小数),此时它的波动就在自己的这个格子内,然后乘以2再减0.5,如下图(直接拿官方文档的图了~~)

 

 这样它的波动范围就是下图的黄框的范围。

yolov5源码解析(9)--输出(yolov4源码解读)

 限制为0-1好理解,自己这个格子的预测范围就在自己格子内麻,为啥又变成了-0.5-1.5呢,因为这样更容易得到0-1范围内的值。如果的范围限制为0-1,而且是用sigmoid来限制的话,那接近0和1这两个位置的导数就会很小,梯度更新的时候就会慢。

然后就是宽高,宽高也不是直接预测出物体边框的宽高啦,而是基于anchor的,预测出来的值会乘上anchor的宽高得出最终的宽高,并且,这里仍然是先用sigmoid将输出值限制为0-1,然后再乘以2,再来个平方,这样最终的值的范围就是0-4了。

之前说了每一层有3个anchor,这些anchor还是配置在模型的配置文件里的,比如models/yolov5s.yaml,P3就是浅层的(80乘80的格子),P4是中层的(40乘40),P5是深层的(20乘20),然后这里的anchor的大小呢就是绝对值(按照640乘640的图来算的,如果你的输入图不是640乘640,那输入图是会resize一下再进行推理的)

比如现在是深层的输出,2分类,那么深层的特征图经过最后的1乘1卷积后,会得到3乘(5+2)=21个通道,每7个通道就对应一个anchor了,现在看第2个7个通道(即7-13,从0开始算),那么它对应的anchor就应该是156,198这个,那么预测出来的宽高值经过sigmoid,再乘2,再平方之后,还分别要乘上156和198,得出最终的物体宽高(基于640乘640的图的),然后再按比例得到原图的物体宽高。

2)置信度

代表预测出的物体边框和分类的可信度,最终的范围肯定是0-1了(小数),跟前面的一样,会用sigmoid来把它的范围限制为0-1。

这边可能有一个问题,那个xy不是sigmoid()乘2减0.5吗,这里咋不这么干,那是因为xy的值真的是可以达到-0.5或1.5的,那样的话就变成预测的物体中心点跑到相邻格子里去了,这也不是不行的啦。但置信度只能是0-1!

3)分类

有几个分类,就会再加几个通道,分别代表对应分类的概率,都是用sigmoid把他们的概率限制为0-1,在计算损失的时候,标签对应分类所在通道的直值为1,其它都为0了,然后分别计算BCE损失。

三。源码

最终输出层的相关源码主要就是models/yolo.py的Detect类的源码了,添加了相应的注释。

class Detect(nn.Module): stride = None # strides computed during build onnx_dynamic = False # ONNX export parameter export = False # export mode def __init__(self, nc=80, anchors=(), ch=(), inplace=True): # detection layer super().__init__() self.nc = nc # number of classes self.no = nc + 5 # number of outputs per anchor self.nl = len(anchors) # number of detection layers self.na = len(anchors[0]) // 2 # number of anchors,除以2是因为[10,13, 16,30, 33,23]这个长度是6,对应3个anchor self.grid = [torch.zeros(1)] * self.nl # init grid,下面会计算grid,grid就是每个格子的x,y坐标(整数,比如0-19) self.anchor_grid = [torch.zeros(1)] * self.nl # init anchor grid self.register_buffer('anchors', torch.tensor(anchors).float().view(self.nl, -1, 2)) # shape(nl,na,2),注意后面就可以通过self.anchors来访问它了 self.m = nn.ModuleList(nn.Conv2d(x, self.no * self.na, 1) for x in ch) # output conv,3个输出层最后的1乘1卷积 self.inplace = inplace # use inplace ops (e.g. slice assignment) def forward(self, x): z = [] # inference output for i in range(self.nl): # 三个输出层分别处理 x[i] = self.m[i](x[i]) # conv,经过这个1乘1卷积就变成(5+分类数)个通道了 bs, _, ny, nx = x[i].shape # x(bs,255,20,20) to x(bs,3,20,20,85)--这里的85对应coco数据集,5+80个分类 x[i] = x[i].view(bs, self.na, self.no, ny, nx).permute(0, 1, 3, 4, 2).contiguous() if not self.training: # inference if self.onnx_dynamic or self.grid[i].shape[2:4] != x[i].shape[2:4]: self.grid[i], self.anchor_grid[i] = self._make_grid(nx, ny, i) y = x[i].sigmoid() if self.inplace: # 这里的grid[i]即对应输出层的3个anchor层的每个格子的坐标,方便进行批量计算,乘上对应的stride[i](下采样率),就得到基于640乘640的图的坐标了 y[..., 0:2] = (y[..., 0:2] * 2 + self.grid[i]) * self.stride[i] # xy # anchor_grid[i]也是一样,不过它的形状是(1, self.na, 1, 1, 2),跟y[..., 2:4]计算时是会自动广播的,最终得到的宽高也是基于640乘640的图的宽高 y[..., 2:4] = (y[..., 2:4] * 2) ** 2 * self.anchor_grid[i] # wh else: # for YOLOv5 on AWS Inferentia https://github.com/ultralytics/yolov5/pull/2953 # 这段是非inplace操作,计算方法是一样的 xy, wh, conf = y.split((2, 2, self.nc + 1), 4) # y.tensor_split((2, 4, 5), 4) # torch 1.8.0 xy = (xy * 2 + self.grid[i]) * self.stride[i] # xy wh = (wh * 2) ** 2 * self.anchor_grid[i] # wh y = torch.cat((xy, wh, conf), 4) z.append(y.view(bs, -1, self.no)) return x if self.training else (torch.cat(z, 1),) if self.export else (torch.cat(z, 1), x) def _make_grid(self, nx=20, ny=20, i=0, torch_1_10=check_version(torch.__version__, '1.10.0')): d = self.anchors[i].device t = self.anchors[i].dtype shape = 1, self.na, ny, nx, 2 # grid shape # grid其实就是特征图网络的坐标,比如20乘20的,其坐标分别是0,0 0,1...0,19 1,0 1,1...19,19,第2个维度na就是anchor数啦 y, x = torch.arange(ny, device=d, dtype=t), torch.arange(nx, device=d, dtype=t) if torch_1_10: # torch>=1.10.0 meshgrid workaround for torch>=0.7 compatibility yv, xv = torch.meshgrid(y, x, indexing='ij') else: yv, xv = torch.meshgrid(y, x) # 注意这边先给它把0.5给减了 grid = torch.stack((xv, yv), 2).expand(shape) - 0.5 # add grid offset, i.e. y = 2.0 * x - 0.5 # anchor_grid即每个格子对应的anchor宽高,stride是下采样率,三层分别是8,16,32,这里为啥要乘呢,因为在外面已经把anchors给除了对应的下采样率,这里再乘回来 anchor_grid = (self.anchors[i] * self.stride[i]).view((1, self.na, 1, 1, 2)).expand(shape) return grid, anchor_grid

此处单独说一下torch.meshgrid,它其实就是用于得到网格坐标的,简化代码如下,假设现在是2乘2的网络

y, x = torch.arange(2), torch.arange(2)yv, xv = torch.meshgrid(y, x, indexing='ij')print(f'yv={yv}')print(f'xv={xv}')grid = torch.stack((xv, yv), 2)print(f'grid={grid}')

 输出如下

 grid对应的就是如下图,得到这个网络坐标就可以直接跟输出层的x,y做批量运算了。

 四。NMS

Detect类foward之后确实是整个网络最终的输出,不过这个输出还得再经过NMS,提取出最终的答案,即这张图上到底有几个物体,边框、置信度、分类分别是什么。NMS后面再讨论~~

下一篇:

yolov5源码解析(10)--损失计算与anchor_扫地僧1234的博客-CSDN博客

本文链接地址:https://www.jiuchutong.com/zhishi/299638.html 转载请保留说明!

上一篇:【目标检测】YOLOv5模型从大变小,发生了什么?(目标检测yolo)

下一篇:过年回家,你是否也努力的给别人解释软件开发是干啥滴?(过年回家的你)

  • 精准微博加粉丝的方法及注意事项(精准微博加粉丝是真的吗)

    精准微博加粉丝的方法及注意事项(精准微博加粉丝是真的吗)

  • 华为potal00a什么型号呢(华为手机pottl00a)

    华为potal00a什么型号呢(华为手机pottl00a)

  • 蓝牙耳机怎么用(蓝牙耳机怎么用来听歌)

    蓝牙耳机怎么用(蓝牙耳机怎么用来听歌)

  • 如何取消拼多多发出的好友申请(如何取消拼多多订单)

    如何取消拼多多发出的好友申请(如何取消拼多多订单)

  • 微信电脑登录显示版本过低(微信电脑登录显示网络连接已断开怎么回事)

    微信电脑登录显示版本过低(微信电脑登录显示网络连接已断开怎么回事)

  • 抖音如何让别人看不到我的喜欢(抖音如何让别人看不到IP地址)

    抖音如何让别人看不到我的喜欢(抖音如何让别人看不到IP地址)

  • 封口机不封口怎么回事(封口机不好用怎么办)

    封口机不封口怎么回事(封口机不好用怎么办)

  • 哪个软件可以看湖南卫视的直播(哪个软件可以看喜羊羊与灰太狼第一季)

    哪个软件可以看湖南卫视的直播(哪个软件可以看喜羊羊与灰太狼第一季)

  • char和string的区别(char 和 string)

    char和string的区别(char 和 string)

  • qq可以定位好友位置吗(微信好友能定位好友位置吗)

    qq可以定位好友位置吗(微信好友能定位好友位置吗)

  • qq深色模式怎么设置(qq深色模式怎么调背景)

    qq深色模式怎么设置(qq深色模式怎么调背景)

  • 苹果电脑卡住了按什么键结束程序(苹果电脑卡住了怎么强制重启)

    苹果电脑卡住了按什么键结束程序(苹果电脑卡住了怎么强制重启)

  • 蓝牙耳机为什么会有滋滋滋的声音(蓝牙耳机为什么连接不了)

    蓝牙耳机为什么会有滋滋滋的声音(蓝牙耳机为什么连接不了)

  • ipad为什么充电电量不变(ipad为什么充电那么慢)

    ipad为什么充电电量不变(ipad为什么充电那么慢)

  • 驱动日期代表什么意思(驱动程序的日期是电脑的出厂日期吗)

    驱动日期代表什么意思(驱动程序的日期是电脑的出厂日期吗)

  • 腾讯视频会员能退款吗(腾讯视频会员能投屏吗)

    腾讯视频会员能退款吗(腾讯视频会员能投屏吗)

  • 小米键盘变小了怎么弄大(小米键盘变小了怎么还原)

    小米键盘变小了怎么弄大(小米键盘变小了怎么还原)

  • 乐视手机如何取消root权限(乐视手机怎么取卡)

    乐视手机如何取消root权限(乐视手机怎么取卡)

  • 如何查看平板使用痕迹(如何查看平板使用痕迹华为)

    如何查看平板使用痕迹(如何查看平板使用痕迹华为)

  • ps怎么选中文字(ps怎么选中文字中的一个文字)

    ps怎么选中文字(ps怎么选中文字中的一个文字)

  • 咸鱼转卖是什么意思(闲鱼一键转卖怎么赚钱)

    咸鱼转卖是什么意思(闲鱼一键转卖怎么赚钱)

  • 华为p30pro红外传感器有什么用(华为p30pro 红外)

    华为p30pro红外传感器有什么用(华为p30pro 红外)

  • 快手说说怎么删除(快手说说怎么删除评论)

    快手说说怎么删除(快手说说怎么删除评论)

  • 东京的秋叶和金鱼,日本 (© qrsk/Moment/Getty Images)(日本东京秋叶原攻略)

    东京的秋叶和金鱼,日本 (© qrsk/Moment/Getty Images)(日本东京秋叶原攻略)

  • 如何查企业是一级企业
  • 增值税普通发票和电子普通发票的区别
  • 车间停止生产时间怎么计算
  • 应付账款及预付账款分录
  • 金税盘当月不抵扣如何做分录
  • 法人名下的车辆费用如何进公司帐
  • 年底向员工客户发放、赠送实物的怎么缴个税
  • 农产品增值税抵扣新政策2021
  • 租赁期间怎么算
  • 境外企业向境内提供国际运输服务核定征收的企业所得税
  • 企业收到发要失控发票做进项税额转出如何做税务处理?
  • 委托收款有什么用
  • 固定资产领用材料进项税处理
  • 服务费发票怎么做分录
  • 小规模企业超过500万营业额
  • 一般纳税人适用税种及税率
  • 建筑行业印花税税率
  • 普通发票税收
  • 赎回股份是利好还是利空
  • 收到的出口退税款需要并入利润总额吗
  • 注册表修改系统安装日期
  • 财务预算业务制度有哪些
  • 代理报关的报关单发货人
  • 销售合作分成会计分录
  • 美元汇户和钞户的区别
  • win7关机提示
  • 命令行wifi
  • win11预览版选哪个
  • 收到汇算清缴退税账务处理
  • 电脑锁屏密码设置步骤
  • 交易性金融资产的交易费用计入哪里
  • 向政府购买土地使用权
  • 取得专票怎么结转销售成本
  • 车辆购买保险发票未回怎么做会计分录
  • 贷款滞纳金如何收取
  • 在产品按定额成本计价法的特点
  • anaconda更改虚拟环境路径
  • 取得交易性金融资产的交易费用
  • 公司缴纳残保金怎么做账
  • 非贸付汇代扣代交哪些税
  • php页面刷新代码
  • 新准则土地使用权计入固定资产还是无形资产
  • php对称加密算法
  • php css教程下载
  • 命令行 压缩
  • 间接费用计算
  • 车间主要有哪些事故风险
  • 跟郑老师学会计建筑业账务处理
  • 待认证进项税额是二级科目还是三级科目
  • 购买现金支票的申请说明
  • 包装物押金怎么计算
  • 利润总额包括什么项目
  • 股权转让,受让方的会计分录
  • 月末怎么结转成本费用
  • 母公司代子公司收款,子公司开具发票
  • 增值税发票税控开票软件用户密码
  • 资产负债表月报的期初余额填什么
  • 挂靠企业电费如何处理?
  • 销项负数发票如何作废
  • mysql忽略大小写设置
  • centos编译安装tcpdump工具
  • SonicStageMonitoring.exe是什么进程 有什么作用
  • macos终端命令
  • linux中ftp
  • win8怎么把网速调到最快
  • win7系统无法删除打印机驱动
  • android本地保存数据
  • js设置select
  • gimp批处理
  • 批处理怎么操作
  • activity生命周期的方法
  • python jsondecodeerror异常捕获
  • jquery悬浮窗
  • 使用jQuery给input标签设置默认值
  • 电子税务局怎么添加银行账户信息
  • 出口免税不退税主要适用于
  • 企业所得税的纳税期限按什么计征
  • 增值税即征即退申报表怎么填
  • 云开票怎么报税
  • 收缴和缴纳的区别
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设